Dataset utilizzati

Per questa analisi sono stati utilizzati 3 dataset, costruiti grazie a dati ricavati da 3 diversi siti internet, i quali fornivano informazioni suddivise in base agli anni.

Schema concettuale e relazionale

Prima di partire con l’analisi del dataset, una cosa importante è capire lo schema concettuale e lo schema relazionale dei dati siccome quest’ultimo sarà utile durante le operazioni di join. Partendo dallo schema concettuale possiamo quindi dire che sono presenti 3 entità :

• GIOCATORI con chiave primaria formata da anno e giocatore;
• VALUTAZIONI identificata da anno e giocatore;
• SQUADRE identificata da anno e squadra.

C’è una relazione di tipo 1:1 tra giocatori e valutazioni, in quanto un’istanza dell’entità giocatori più essere associata ad un’istanza dell’entità valutazioni e vale il viceversa (ricordando però che istanze dell’entità valutazioni potrebbero non trovare una corrispondenza tra le istanze dell’altra entità); c’è inoltre una relazione di tipo 1:molti tra giocatori e squadre. Passando allo schema relazionale, le tre entità del modello concettuale vengono tradotte in tabelle (la cui struttura è stata già analizzata); per quanto riguarda le relazioni, se vogliamo far parlare tra di loro le tabelle giocatori e valutazioni allora bisognerà inserire la relazione nella tabella giocatori (siccome per l’analisi si considerano solo giocatori con almeno una presenza e quindi con almeno 1 voto), così come per la relazione di tipo 1:molti dove la chiave esterna formata da squadra e anno della tabella giocatori corrisponderà alla chiave primaria (formata da squadra e anno) della tabella squadre.

Library

Di seguito l’elenco dei pacchetti che saranno necessari per lo scolgimento delle analisi:

library(tidyverse)
library(purrr)
library(readr)
library(modelr)
library(plotly)
library(billboarder)
library(corrplot)
library(knitr)

Importazione dei dati

I dati si trovano in formato .csv, quindi la prima cosa che bisogna fare è importarli, sfruttando il pacchetto readr di tidyverse.

giocatori<-read_csv("giocatori.csv", col_names = TRUE,col_types = list(ruolo=col_factor(levels = c("P","D","C","A"))))

valutazioni<-read_csv("valutazioni.csv", col_names= TRUE)
squadre<-read_csv("squadre.csv", col_names= TRUE)

Formato tidy dei dati e verifica vincoli di integrità

I dati non hanno bisogno di particolari aggiustamenti siccome sono già in forma normale ordinata, ovvero i tre vincoli sono soddisfatti:

• Le variabili sono le colonne della tabella
• Le osservazioni sono le righe della tabella
• I valori sono le celle della tabella

Prima di partire con l’analisi però bisogna controllare che i vincoli di chiave primaria e i vincoli di chiave esterna siano soddisfatti. Siccome nella tabella giocatori e nella tabella squadre ci sono due variabili che hanno lo steso nome (GS) ma vogliono dire cose diverse (in quanto il dato presente nella tabella squadre è un dato aggregato sui goal subiti dalla squadra), come prima cosa si procede cambiando il nome della variabile GS della tabella giocatori rinominandola con GSUB.

#Tabella giocatori
giocatori<-rename(giocatori,GSUB=GS)
giocatori%>%
  count(giocatore, anno)%>%
  filter(n>1)

## # A tibble: 0 x 3
## # ... with 3 variables: giocatore <chr>, anno <int>, n <int>

giocatori%>%
  anti_join(valutazioni)%>%
  count(giocatore,anno)

## # A tibble: 0 x 3
## # ... with 3 variables: giocatore <chr>, anno <int>, n <int>

giocatori%>%
  anti_join(squadre)%>%
  count(squadra,anno)

## # A tibble: 0 x 3
## # ... with 3 variables: squadra <chr>, anno <int>, n <int>

#Tabella valutazioni   
valutazioni%>%
  count(anno,giocatore)%>%
  filter(n>1)

## # A tibble: 0 x 3
## # ... with 3 variables: anno <int>, giocatore <chr>, n <int>

#Tabella squadre
squadre%>%
  count(anno,squadra)%>%
  filter(n>1)

## # A tibble: 0 x 3
## # ... with 3 variables: anno <int>, squadra <chr>, n <int>

Ora che i vincoli sono stati verificati, si procede ordinando i dataset e, per quanto riguarda la tabella squadre, si vanno ad eliminare alcune variabili in modo da focalizzare l’attenzione su partite in casa e partite in trasferta. Inoltre, sempre nella tabella squadre, si aggiungono due colonne DR_CASA e DR_TRASF che sono rispettivamente la differenza tra i goal fatti e i goal subiti in casa e in trasferta.

#Tabella giocatori
giocatori<-arrange(giocatori,desc(anno,giocatore))%>%
  select(anno,giocatore,squadra,ruolo,everything())
# Tabella valutazioni
valutazioni<-arrange(valutazioni,desc(anno,giocatore))
# Tabella squadre
squadre<- mutate(squadre,DR_CASA= GF_CASA - GS_CASA, DR_TRASF= GF_TRASF - GS_TRASF)%>%
  select(anno,squadra,punti,(VC:GS_CASA), DR_CASA, (VT:GS_TRASF), DR_TRASF)%>%
    arrange(desc(anno,punti))

Analisi sulla tabella giocatori

Una volta che le tabelle sono state sistemate, una cosa molto importante da fare è un’analisi esplorativa per capire struttura e variazioni delle singole variabili e inoltre cercare di scoprire se esistono delle relazioni tra le variaibli. Concentriamoci sulla tabella giocatori.

giocatori%>%
  count(giocatore)

## # A tibble: 1,510 x 2
##    giocatore                n
##    <chr>                <int>
##  1 AARONS Rolando           1
##  2 ABATE Ignazio            7
##  3 ABBIATI Christian        5
##  4 ABBRUSCATO Elvis         1
##  5 ABDI Almen               1
##  6 ABERO Mathias            1
##  7 ACERBI Francesco         7
##  8 ACOSTY Boadu Maxwell     2
##  9 ACQUAFRESCA Robert       4
## 10 ACQUAH Afriyie           7
## # ... with 1,500 more rows

In questa tabella ci sono 3676 righe, che forniscono informazioni sui giocatori. Fissata la finestra di osservazione di 7 anni, un singolo giocatore può aver giocato in serie A in più di una stagione. Il numero di giocatori distinti sono 1510. Vediamo le correlazioni tra le variabili, usando la visualizzazione della matrice di correlazione:

giocatori1<-select(giocatori,-giocatore,-anno,-squadra,-ruolo)
giocatoricorr<-cor(giocatori1)
corrplot(giocatoricorr, method="ellipse", diag= FALSE, order= "hclust", title="Correlazioni tra le variabili del dataset giocatori", mar=c(0,0,4,0))

Da questa visualizazzione si nota come la variabile FMV sia fortemente correlata con la variabile GOAL, tutto ciò non è una scoperta siccome, in caso di goal, il gicoatore ottiene un bonus molto alto, pari a 3, 4 o 4.5 punti a seconda che sia attaccante, centrocampista o difensore. Tutto ciò si può vedere molto meglio tramite uno scatter plot in cui vengono inseriti anche i ruoli dei giocatori:

a<-giocatori%>%
  filter(ruolo !="P")%>%
  ggplot(aes(x=G,y=FMV,color=ruolo,frame=anno))+
  geom_point()+
  theme_light()+
  labs(title="Il FMV aumenta all'aumentare del numero dei goal")+
  theme(plot.title = element_text(hjust = 0.5))
ggplotly(a)

giocatori%>%
  filter(ruolo!="P")%>%
  ggplot(aes(x=reorder(ruolo,G,FUN=median),y=G))+
  geom_boxplot()+
  theme_light()+
  labs(title="Boxplot distribuzione GOAL per RUOLO", x="ruolo",y = "goal")+
  theme(plot.title = element_text(hjust = 0.5))+
  coord_cartesian(ylim = c(0, 38))

Dal boxplot si vede come la mediana degli attaccanti sia superiore a quella dei centrocampisti e si nota anche che gli attaccati possono raggiungere valori di goal molto alti. Un’altra variaible che, dalla matrice di correlazione, risulta essere correlata con il FMV sono il numero di assist effettuati.

b<-giocatori%>%
  filter(ruolo!="P")%>%
  ggplot(aes(x=A, y=FMV,color=ruolo,frame=anno))+
  geom_point()+
  theme_light()+
  labs(title="Il FMV aumenta all'aumentare del numero di assist effettuati")+
  theme(plot.title = element_text(hjust = 0.5))
ggplotly(b)

giocatori%>%
  filter(ruolo!="P")%>%
  ggplot(aes(x=reorder(ruolo,A,FUN=median),y=A))+
  geom_boxplot()+
  theme_light()+
  labs(title="Boxplot distribuzione ASSIST per RUOLO", x="ruolo", y = "assist")+
  theme(plot.title = element_text(hjust = 0.5))+
  coord_cartesian(ylim = c(0, 15))

Il risultato è il 75% della variabilità degli assist è uguale per attaccanti e centrocampisti, ma i centrocampisti possono effettuare più assist.

giocatori%>%
  ggplot() + 
  stat_summary(
    mapping = aes(x = ruolo, y = FMV),
    fun.ymin = min,
    fun.ymax = max,
    fun.y = median,
    colour="blue"
  )+
  theme_light()+
  labs(title="Il FMV dipende dal ruolo", x="ruolo", y = "fanta media voto")+
  theme(plot.title = element_text(hjust = 0.5))

c<-giocatori%>%
  ggplot(aes(x=P,y=FMV,color=ruolo,frame=anno))+
  geom_point()+
  theme_light()+
  labs(title="FMV e presenze")+
  theme(plot.title = element_text(hjust = 0.5))
ggplotly(c)

mod1<-lm(FMV~P,data=giocatori)
rsquare(mod1, data= giocatori)

## [1] 0.1219456

giocatori%>%
ggplot(aes(MV,FMV,color=ruolo))+
  geom_point()+
  geom_smooth(se=FALSE,method="lm")+
  theme_light()+
  labs(title="Andamento FMV vs MV")+
  theme(plot.title = element_text(hjust = 0.5))

cor(giocatori$MV,giocatori$FMV)

## [1] 0.5637766

mod2<-lm(FMV~ MV + ruolo + G + A + GSUB, data=giocatori)
summary(mod2)

## 
## Call:
## lm(formula = FMV ~ MV + ruolo + G + A + GSUB, data = giocatori)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.7224 -0.1200 -0.0276  0.0890  2.9077 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -2.7196372  0.1132895 -24.006  < 2e-16 ***
## MV           1.2433473  0.0182699  68.055  < 2e-16 ***
## ruoloD       1.2731116  0.0282223  45.110  < 2e-16 ***
## ruoloC       1.3159712  0.0282940  46.511  < 2e-16 ***
## ruoloA       1.4699671  0.0304953  48.203  < 2e-16 ***
## G            0.0787874  0.0019354  40.709  < 2e-16 ***
## A            0.0126627  0.0036582   3.461 0.000543 ***
## GSUB        -0.0036172  0.0009019  -4.011 6.17e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.2948 on 3666 degrees of freedom
## Multiple R-squared:  0.8413, Adjusted R-squared:  0.841 
## F-statistic:  2776 on 7 and 3666 DF,  p-value: < 2.2e-16

d<-giocatori%>%
  filter(P>10)%>%
  group_by(anno)%>%
  top_n(5,FMV)%>%
  ggplot(aes(x=G, y=FMV,group=giocatore,frame=anno))+
  geom_point()+
  theme_light()+
  labs(title="Migliori giocatori")+
  theme(plot.title = element_text(hjust = 0.5))

ggplotly(d)

e<-giocatori%>%
  filter(anno==2017 & FMV>=7.5 & P>15)%>%
  group_by(giocatore)%>%
  select(anno,giocatore,squadra, ruolo, P, FMV, G, A)%>%
  arrange(desc(FMV))%>%
  ggplot(aes(x=G,y=FMV,color=giocatore, size=A))+
  geom_point(alpha=1/2)+
  theme_light()+
  labs(title="Top della stagione 2017/2018")+
  theme(plot.title = element_text(hjust = 0.5))
ggplotly(e)

Esiste una correlazione tra valutazione iniziale e FMV?

Per vedere tutto questo occorre far parlare le due tabelle, dobbiamo fare un inner_join in modo che tutti i valori della tabella giocatore trovino una corrispondenza nella tabella valutazioni.

valutaz<-giocatori%>%
  inner_join(valutazioni)
valutaz%>%
  ggplot(aes(x=valutazione,y=FMV))+
  geom_point()+
  theme_light()+
  geom_smooth(se=FALSE,method="lm")+
  labs(title="Grafico valutazione vs fanta media voto, diviso per anno")+
  theme(plot.title = element_text(hjust = 0.5))+
  facet_wrap(~ anno)

Dando una rapida occhiata ai grafici sembrerebbe che il FMV sia correlato con la valutazione. Costruiamo un modello e andiamo a vedere quanta variabilità del FMV è spiegata dalla variabile valutazione:

mod3 <- lm(FMV ~ valutazione, data = valutaz)
summary(mod1)

## 
## Call:
## lm(formula = FMV ~ P, data = giocatori)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -6.0176 -0.3249 -0.0367  0.3333  3.9824 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 5.494014   0.022358  245.73   <2e-16 ***
## P           0.023635   0.001047   22.58   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.6929 on 3672 degrees of freedom
## Multiple R-squared:  0.1219, Adjusted R-squared:  0.1217 
## F-statistic:   510 on 1 and 3672 DF,  p-value: < 2.2e-16

valutaz<-valutaz%>%
 add_residuals(mod3,"resid")
ggplot(valutaz, aes(valutazione,resid))+
  geom_hex(bins=30)

Il grafico dei residui fa capire che la variabile esplicativa non ha colto, per la maggior parte, la variabilità della varaibile risposta. Da tutto ciò si deduce che non bisogna basarsi solo sulle valutazioni iniziali pubblicate nel quotidiano sportivo.

Come si evolve il FMV delle squadre nel tempo?

La tabella squadre contiene informazioni sulle squadre degli ultimi 7 campionati di serie A. Ci sono delle squadre che non sono presenti in tutte le stagioni, quindi per questa analisi si considerano solo le squadre che sono presenti in tutti gli anni considerati, che sono le seguenti:

squadre%>%
  count(squadra)%>%
  filter(n==7)%>%
  select(squadra)

## # A tibble: 11 x 1
##    squadra   
##    <chr>     
##  1 ATALANTA  
##  2 CHIEVO    
##  3 FIORENTINA
##  4 GENOA     
##  5 INTER     
##  6 JUVENTUS  
##  7 LAZIO     
##  8 MILAN     
##  9 NAPOLI    
## 10 ROMA      
## 11 UDINESE

Ci sono 11 squadre, per fare l’analisi se il FMV aumenta nel tempo consideremo solo queste. Si salva il risultao in una variabile squadre7.

squadre7<-squadre%>%
  count(squadra)%>%
  filter(n==7)%>%
  select(squadra)

Facciamo un join tra la tabella giocatori e la tabella squadre7 in modo da avere solo i giocatori di queste 11 squadre:

gioc7<-giocatori%>%
  inner_join(squadre7)

Per vedere l’evoluzione del FMV delle squadre nel tempo quello che occorre è, per i diversi anni, il fanta media voto di ogni squadra, dato dai FMV dei suoi giocatori. Per fare questo creiamo una variabile media che contiene appunto questo dato; si tratta di una media pesata con pesi le presenze (questo perchè vogliamo dare più peso a chi ha disputato più partite):

FMVsquadra<-gioc7%>%
  group_by(anno,squadra)%>%
  summarize(media=sum(FMV*P)/sum(P))

Partiamo con un grafico che mostra l’andamento delle squadre:

f<-FMVsquadra%>%
  ggplot(aes(anno,media,color=squadra))+
  geom_line()+
  coord_cartesian(ylim = c(5,8))+
  theme_minimal()
ggplotly(f)

filter(FMVsquadra,squadra=="JUVENTUS")%>%
  ggplot(aes(anno,media))+
  geom_line()+
  coord_cartesian(ylim = c(6,7))+
  theme_minimal()

Per capire il trend delle diverse squadre bisognerebbe generare 11 modelli diversi, che renderebbe lungo il procedimento; tramite il dataframe annidato risolviamo questo problema.

by_giocatori<-FMVsquadra%>%
  group_by(squadra)%>%
  nest()

La tabella by_giocatori è formata da una colonna data che contiene per ogni squadra la lista degli anni e delle corrispondenti medie, possiamo quindi accedere agli elementi della lista; ad esempio accediamo all’ elemento che è la squadra JUVENTUS:

by_giocatori$data[[6]]

## # A tibble: 7 x 2
##    anno media
##   <int> <dbl>
## 1  2011  6.50
## 2  2012  6.43
## 3  2013  6.65
## 4  2014  6.50
## 5  2015  6.58
## 6  2016  6.51
## 7  2017  6.70

Creiamo la funzione di adattamento del modello:

giocatori_model<-function(df){
  lm(media~anno,data=df)
}

Vogliamo applicare questa funzione ad ogni data frame, ma questi sono contenuti in una lista. Si utilizza allora purrr::map() per applicare questo modello ad ogni elemento. Creiamo una nuova variabile nel data frame by_giocatore con mutate():

by_giocatori<-by_giocatori%>%
  mutate(model=map(data,giocatori_model))

Ora ci sono quindi 11 data frame e 11 modelli. Per aggiungere i residui bisogna chiamare la funzione add_residuals() per ogni coppia di modelli e dati usando la funzione map2().

by_giocatori<-by_giocatori%>%
  mutate(
    data=map2(data,model,add_residuals)
  )

Ora che abbiamo tutto quello che serve si vogliono produrre dei grafici. Ma c’è una lista di data frame che non possono essere graficati, allora si utilizza la funzione unnest() per passare da data frame annidato a data frame e si visualizzano i residui:

(resids<-unnest(by_giocatori,data))

## # A tibble: 77 x 4
##    squadra   anno media   resid
##    <chr>    <int> <dbl>   <dbl>
##  1 ATALANTA  2011  6.17  0.253 
##  2 ATALANTA  2012  5.89 -0.106 
##  3 ATALANTA  2013  6.03 -0.0349
##  4 ATALANTA  2014  5.92 -0.227 
##  5 ATALANTA  2015  6.05 -0.172 
##  6 ATALANTA  2016  6.47  0.176 
##  7 ATALANTA  2017  6.48  0.110 
##  8 CHIEVO    2011  5.97  0.0780
##  9 CHIEVO    2012  5.89 -0.0209
## 10 CHIEVO    2013  5.77 -0.154 
## # ... with 67 more rows

resids%>%
  ggplot(aes(anno,resid))+
  geom_line(aes(group=squadra),alpha=1/3)+
  geom_smooth(se=FALSE)+
  theme_minimal()+
  coord_cartesian(ylim=c(-0.8,0.6))

Andiamo a vedere alcuni indicatori statistici con la funzione glance() del pacchetto broom:

by_giocatori<-by_giocatori%>%
  mutate(glance=map(model,broom::glance))
  
unnest(by_giocatori,glance)
glance=unnest(by_giocatori, glance, .drop=TRUE)

Ordiniamo in ordine descrescente della variabile r.squared e creiamo una variabile che tenga conto solo delle squadre con r.squared>0.3:

glance%>%
  arrange(desc(r.squared))

## # A tibble: 11 x 12
##    squadra r.squared adj.r.squared  sigma statistic p.value    df logLik
##    <chr>       <dbl>         <dbl>  <dbl>     <dbl>   <dbl> <int>  <dbl>
##  1 INTER     7.00e-1       0.640   0.0879   1.17e+1  0.0189     2   8.26
##  2 UDINESE   5.03e-1       0.403   0.129    5.05e+0  0.0745     2   5.58
##  3 NAPOLI    4.77e-1       0.373   0.190    4.57e+0  0.0856     2   2.86
##  4 ATALAN~   4.48e-1       0.337   0.200    4.05e+0  0.100      2   2.50
##  5 LAZIO     3.99e-1       0.279   0.211    3.32e+0  0.128      2   2.12
##  6 JUVENT~   3.33e-1       0.200   0.0839   2.50e+0  0.175      2   8.59
##  7 ROMA      2.53e-1       0.103   0.206    1.69e+0  0.250      2   2.30
##  8 GENOA     1.93e-1       0.0319  0.140    1.20e+0  0.324      2   5.02
##  9 CHIEVO    1.70e-1       0.00440 0.0906   1.03e+0  0.357      2   8.06
## 10 MILAN     1.13e-1      -0.0639  0.164    6.40e-1  0.460      2   3.89
## 11 FIOREN~   5.65e-6      -0.200   0.183    2.83e-5  0.996      2   3.12
## # ... with 4 more variables: AIC <dbl>, BIC <dbl>, deviance <dbl>,
## #   df.residual <int>

good_fit<-filter(glance,r.squared>0.3)
g<-FMVsquadra%>%
  semi_join(good_fit,by="squadra")%>%
  ggplot(aes(anno,media,color=squadra))+
  geom_line()+
  theme_minimal()+
  coord_cartesian(ylim = c(5,7))
ggplotly(g)

All’aumentare del FMV aggregato aumenta il punteggio della squadra?

Come nel caso precedente, andiamo a creare il FMV aggregato di ogni squadra nei diversi anni (è una media pesata con pesi le presenze dei giocatori):

mediapesata<-giocatori%>%
  group_by(anno,squadra)%>%
  summarize(FantaMediaVoto=sum(FMV*P)/sum(P))
relazione<-mediapesata%>%
  inner_join(squadre)
h<-relazione%>%
  ggplot(aes(x=FantaMediaVoto,y=punti,group=squadra,frame=anno))+
  geom_point()+
  labs(title="All'aumentare del FMV aggregato aumenta il punteggio")+
  theme(plot.title = element_text(hjust = 0.5))
ggplotly(h)

mod4<-lm(punti~FantaMediaVoto,data=relazione)
summary(mod4)

## 
## Call:
## lm(formula = punti ~ FantaMediaVoto, data = relazione)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -18.363  -4.578  -0.490   4.815  13.982 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    -343.693     13.790  -24.92   <2e-16 ***
## FantaMediaVoto   65.085      2.266   28.72   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 6.729 on 138 degrees of freedom
## Multiple R-squared:  0.8567, Adjusted R-squared:  0.8557 
## F-statistic: 825.1 on 1 and 138 DF,  p-value: < 2.2e-16

Quasi l’86% del punteggio finale di una squadra è spiegato attraverso il FMV aggregato dei giocatori che compongono quella squadra.

relazione1<-relazione%>%
 add_residuals(mod4,"resid")
ggplot(relazione1, aes(FantaMediaVoto,resid))+
  geom_point()+
  coord_cartesian(ylim=c(-30,30))

Il grafico dei residui non mostra particolari andamenti, questo vuol dire che il modello è buono.

i<-relazione%>%
  filter(anno==2017)%>%
  ggplot(aes(x=FantaMediaVoto,y=punti,color=squadra))+
      geom_point()+
      labs(title="Stagione 2017/2018")+
      theme(plot.title = element_text(hjust = 0.5))
ggplotly(i)

C’è un vantaggio per le squadre a giocare in casa?

Si va a guardare ora la tabella relazione per vedere eventuali associazioni tra le variabili:

relazionequant<-select(relazione,-squadra)
squadrecorr<-cor(relazionequant)
corrplot(squadrecorr,method="ellipse", diag=FALSE, order="hclust", title="Correlazioni tra le variabili delle squadre", mar=c(1,2,3,2))

Da questa tabella capiamo come la variabile punti, oltre ad essere fortemente legata al FMV, è correlata positivamente con i goal fatti (in casa e in trasferta) ed è correlata negativamente con i goal subiti (in casa e in trasferta). Ma quello che si vuole capire è se esiste un vantaggio a giocare in casa.

squadrecasa<-squadre%>%
  group_by(squadra)%>%
  summarize(PropVittCasa=sum(VC)/sum((VC+VT)),PropVittTrasf=sum(VT)/sum((VC+VT)))%>%
  inner_join(squadre7)

billboarder() %>%
  bb_barchart(
    data = squadrecasa[,c("squadra", "PropVittCasa", "PropVittTrasf")], 
    stacked = TRUE, rotated = TRUE
  ) %>%
  bb_y_grid(show = TRUE)

andamento<-squadre%>%
          group_by(squadra)%>%
          summarize(vittcasa=sum(VC),vitttrasf=sum(VT), sconfcasa=sum(SC), sconftrasf=sum(ST))
billboarder() %>%
  bb_barchart(
    data = andamento[, c("squadra", "vittcasa", "vitttrasf","sconfcasa", "sconftrasf")], 
    stacked = TRUE, rotated = TRUE
  ) %>%
  bb_y_grid(show = TRUE)%>%
  bb_labs(title = "Andamento squadre")

diffreti<-squadre%>%
  group_by(squadra)%>%
  summarize(sommaDFcasa=sum(DR_CASA), sommaDFtrasf=sum(DR_TRASF))%>%
  inner_join(squadre7)

billboarder() %>%
  bb_barchart(
    data = diffreti[, c("squadra", "sommaDFcasa", "sommaDFtrasf")], 
    stacked = TRUE, rotated = TRUE
  ) %>%
  bb_y_grid(show = TRUE)

Come può essere spiegata la forza della Juventus?

Nelle ultime 7 stagioni la Juventus è riuscita ad arrivare sempre prima. Di seguito un’analisi generale tenendo conto di tutti questi anni:

analisiJuve<-relazione%>%
  inner_join(squadre7)%>%
  group_by(squadra)%>%
  summarize(TotGoalCasa=sum(GF_CASA), TotVittCasa=sum(VC), TotVittTrasf=sum(VT),FMV =mean(FantaMediaVoto))%>%
  arrange(desc(FMV))

analisiJuve

## # A tibble: 11 x 5
##    squadra    TotGoalCasa TotVittCasa TotVittTrasf   FMV
##    <chr>            <int>       <int>        <int> <dbl>
##  1 JUVENTUS           298         112           85  6.55
##  2 NAPOLI             308          91           68  6.43
##  3 ROMA               279          85           68  6.38
##  4 LAZIO              252          76           53  6.22
##  5 INTER              236          68           53  6.18
##  6 FIORENTINA         225          67           52  6.16
##  7 ATALANTA           180          59           35  6.15
##  8 MILAN              212          76           49  6.10
##  9 UDINESE            189          59           33  6.05
## 10 GENOA              186          53           26  6.00
## 11 CHIEVO             141          44           35  5.95

La potenza di questa squadra può essere brevemente spiegata dicendo che, in queste ultime 7 stagioni, è la squadra con più goal fatti in casa, con più vittorie in casa ed è inoltre la squadra che è riuscita a fare più vittorie in trasferta e quella con il fanta media voto (media degli ultimi 7 anni) più alto. Graficamente la situazione è la seguente:

billboarder() %>%
  bb_barchart(
    data = analisiJuve[, c("squadra", "TotGoalCasa", "TotVittCasa", "TotVittTrasf")], 
    stacked = TRUE, rotated = TRUE
  ) %>%
  bb_y_grid(show = TRUE)

Consigli finali

In conclusione, questa analisi in cosa ci può essere di aiuto nel caso decidessimo di partecipare al Fantacalcio? Abbiamo capito diverse cose; inanzitutto non bisogna basarsi solo sulla valutazione iniziale per decidere i giocatori da prendere, quindi la strategia “compro i giocatori che hanno una valutazione più alta” è da rivedere. Questo perchè a valutazioni basse potrebbero corrispondere alti FMV a fine anno (giocatori che disputano una stagione sopra le aspettative) o, al contrario, a valutazioni alte corrispondono FMV bassi (giocatori sopravvalutati ad inizio anno, perchè magari hanno disputato un’ottima stagione in precedenza, non confermano le aspettative). Tra i bonus/malus, quelli che sono maggiormente correlati con il FMV sono:

• Goal e assist: coloro che segnano di più sono gli attaccanti e coloro che effettuano più assist sono sia attaccanti che centrocampisti.

• Goal subiti dal portiere: i portieri raggiungono difficilmente un FMV elevato, questo perchè sono soggetti a più malus che bonus, scegliere ad inizio anno il portiere che subirà meno goal non è affatto facile.

Bisogna scegliere alcuni attaccanti o centrocampisti che, basandosi sulla stagione passata o al limite sulle ultime due stagioni, hanno avuto un fanta media voto alto. Però bisogna anche rischiare, scommettere su alcuni giocatori promettenti (la cui valutazione iniziale è bassa ma portebbero fare un ottimo campionato). Un altro consiglio potrebbe essere quello di prendere giocatori della squadra che negli ultimi anni si è posizionata bene in classifica. Consigli su chi schierare di giornata in giornata: c’è una maggior probabilità per le squadre di vincere in casa (la squadra che vince ovviamente segnerà almeno 1 goal) quindi se ci sono centrocampisti o attaccanti che giocano in casa conviene schierarli in campo. Detta così sembrerebbe davvero semplice, ma non lo è affatto. A tutto questo concorrono moltissime variabili non prevedibili a priori come ad esempio il calo di forma, il rapporto tra il calciatore e l’allenatore, eventuali infortuni, solo per elencarne alcune. Non c’è nulla di certo, in fondo prendere alcuni giocatori piuttosto che altri potrebbe essere vista come una scommessa, dove quindi ci vuole sempre un pizzico di fortuna!